Publicamos cómo funciona nuestra puntuación, incluido dónde es floja.

Si un negocio concreto aparece en la respuesta a una pregunta concreta, hecha a un sistema de IA concreto, en un momento concreto — y, si aparece, si se le recomienda, solo se le menciona o se le describe de forma inexacta. No combinamos eso en una única puntuación ponderada con una fórmula oculta. Cuando enseñamos un valor compuesto, sus componentes van al lado.

El panel de prompts que configuramos para ese negocio, y nada más amplio. Describe un panel de pruebas; no es una estimación de lo que se encuentra cada comprador de un mercado. No la presentamos como visibilidad general en IA, porque no lo es.

No se ha demostrado, y lo decimos. Las frases salen del propio sector y de la especialidad del negocio, escritas como las preguntas que un comprador haría de forma plausible, y las revisa una persona. Lo que NO tenemos son datos propios observados de lo que los usuarios reales escriben de verdad en ChatGPT sobre ese sector — nadie los tiene fuera de los proveedores de los modelos. Profound es quien más se acerca — licencian conversaciones reales de paneles de consumidores, que es mejor materia prima que la nuestra. Pero esta pregunta va de cómo se ha DEMOSTRADO que un conjunto de prompts representa a la población, y tampoco hemos encontrado eso publicado: los paneles no se nombran, el escalado a la población se describe solo como modelización estadística, y ninguna cifra que hayamos encontrado lleva un margen de error. En esta pregunta ellos tienen los mejores datos, y a los dos nos falta el mismo argumento.

Menos que el número bruto de prompts, y ahora mismo no informamos de un tamaño de muestra efectivo ajustado por el hecho de que las paráfrasis de una misma intención están correlacionadas. Es un hueco real. Hasta que se cierre, trata el número de prompts como un número de pruebas, no de evidencias independientes.

No se ponderan. Cada frase cuenta una vez. Es una decisión tosca y tiene un coste — una formulación rara cuenta lo mismo que una comercialmente central —, pero la alternativa sería un modelo de ponderación que no podríamos justificar, y eso solo llevaría la arbitrariedad a un sitio menos visible.

Las frases se registran contra el sitio en la primera ejecución y quedan BLOQUEADAS en cada repetición, de modo que la segunda puntuación se mide con las mismas preguntas que la primera. Un cliente no puede añadir frases favorables ni quitar las difíciles entre una ejecución y otra sin que se vea. Si el conjunto de frases se cambia a propósito, la ejecución abre una serie nueva en vez de continuar la línea anterior, y el informe lo dice.

Solo la precisión. Ejecutar más variaciones de un panel no representativo produce una estimación más estable de un panel no representativo. No vendemos el volumen de prompts como sustituto del rigor.

No lo sabemos. Ahora mismo ejecutamos cada frase una vez por auditoría y no hemos medido la variación entre ejecuciones que nos diría si una vez basta. Es el agujero más grande de nuestro propio método y es lo primero de la lista por cerrar.

No se calcula ninguna, porque la pregunta 8 está sin responder — sin una variación medida entre ejecuciones no hay ningún intervalo honesto que publicar. Mientras no lo haya, ningún movimiento de nuestra puntuación debería leerse como significativo por sí solo.

Toda. No hay modelo estadístico. Preferimos enseñar un recuento en bruto con sus límites declarados antes que un intervalo de confianza que deje fuera, sin decirlo, la selección de prompts, la composición del panel y la deriva de los modelos — un intervalo estrecho alrededor de un panel sesgado no es más que una respuesta equivocada con mejor aspecto de seguridad.

No, y no las tratamos como si lo fueran. Las frases que comparten origen, y todas las frases lanzadas contra el mismo modelo el mismo día, se mueven juntas en cuanto el modelo cambia. No las multiplicamos hasta convertirlas en un recuento de evidencias independientes.

No lo es, así que no medimos a diario. La auditoría es una lectura puntual y el servicio recurrente informa cada mes. Una línea diaria dibujaría sobre todo la variación de las respuestas, y un gráfico que se mueve todos los días es comercialmente útil y metodológicamente vacío.

No se ha validado contra ninguna referencia externa. No tenemos ningún estudio que compare nuestra puntuación con el tráfico de referencia, con las conversiones o con el recuerdo declarado en encuestas. Somos una empresa joven y no tenemos ese conjunto de datos, y preferimos decirlo antes que citar la validación que otro hizo de un sistema distinto.

No hay validación, así que no. Cuando la haya, usará datos que no hayamos generado, seleccionado, ponderado ni puntuado nosotros — y publicaremos el resultado negativo si es el que sale.

El único supuesto que hacemos es que una consulta única y sin sesión iniciada es una sonda estandarizada defendible — comparable entre ejecuciones y entre negocios, y NO lo mismo que ve un usuario con sesión iniciada e historial. Ver la pregunta 16.

No lo hacemos, y no podríamos. Cada sonda va sin sesión iniciada y en un solo turno. Eso significa que nuestra lectura es una medición controlada, no la simulación de una sesión real, y que la personalización es una fuente de error excluida, no modelada. Esta limitación se aplica a todos los proveedores de este mercado, también a los que no la mencionan.

Nada en lo que nos apoyaríamos, y por eso no usamos personas sintéticas. Escribir «soy director financiero en Londres» dentro de un prompt no reproduce el historial de la cuenta, ni la ubicación, ni la memoria; produce un prompt redactado de otra manera. Vender eso como un segmento de audiencia sería inventarse una variable.

Las entradas sí lo son: el conjunto de frases está bloqueado y registrado, así que un cliente puede repetir exactamente lo que ejecutamos, contra los mismos modelos, fuera de nuestra plataforma. Lo que no hemos publicado es una tasa medida de concordancia test-retest — ver la pregunta 8.

No lo sabemos: no hemos pasado el mismo panel por la plataforma de un competidor para compararlo. Sería un experimento realmente útil y publicaríamos el resultado saliera como saliera.

Por modelo, uno al lado del otro. No promediamos ChatGPT, Gemini, Perplexity y Google AI Overviews en un único número, porque no tenemos ninguna base defendible para los pesos que eso exigiría. Un negocio invisible en uno y fuerte en otro tiene un problema concreto, y promediar esconde justo lo que merece la pena atacar.

Una recomendación en primer lugar y una mención de pasada se registran de forma distinta y se enseñan por separado. Una mención negativa no cuenta como visibilidad. Los alias, los nombres comerciales y las matrices se resuelven a mano durante la configuración y un cliente puede corregirlos. Lo que todavía no hacemos es recalcular el histórico cuando cambia una regla de resolución — en su lugar se anota en el informe.

Una respuesta, una observación. Un negocio nombrado cinco veces dentro de una misma respuesta cuenta una vez. Los denominadores de cuota de voz incluyen todas las marcas nombradas en la respuesta, no solo los competidores que eligió el cliente — si no, es el cliente quien se fija su propio denominador.

Una cita es una fuente que el propio motor mostró — un enlace a la fuente o una entrada en un panel de fuentes —, atribuida al dominio. No deducimos citas, no contamos como cita una URL escrita dentro del texto, y no reproducimos literalmente el texto de Google AI Overviews como prueba, por una restricción del proveedor que preferimos rodear antes que discutir.

Una negativa a responder, un tiempo de espera agotado o una respuesta malformada se registra como FALLO, no como ausencia de la marca, y se excluye del denominador. El número de fallos aparece en el informe. Contar un tiempo de espera agotado como «no te han recomendado» sería fabricar un descenso a partir de una incidencia técnica.

Los clientes reciben el conjunto exacto de frases, el modelo y la fecha de la ejecución, que es suficiente para repetirla ellos mismos. Las salidas completas y sin editar y las marcas de tiempo están disponibles si se piden, pero todavía no se exportan por defecto. Eso debería ser un botón y no una petición, y lo será.

Un cambio en el conjunto de frases o en la puntuación abre una serie nueva en vez de continuar la línea anterior. No reescribimos el histórico en silencio, y no presentamos como una única tendencia continua lecturas tomadas con dos instrumentos distintos.

Ninguna. No afirmamos que un cambio de contenido haya causado un movimiento. No tenemos grupo de control ni contrafactual, así que lo único que nos queda es la secuencia temporal, y la secuencia temporal no es causalidad. Lo que informamos es qué hicimos y qué lectura hubo después, etiquetado exactamente así.

No tenemos agentes autónomos que editen contenido o creen páginas a partir de una puntuación. Cada cambio lo escribe una persona, o lo revisa una persona antes de publicarse. Si algún día automatizamos una acción a partir de una medición, el umbral de repetición, el tamaño mínimo del efecto y la obligación de revisión humana saldrán al mismo tiempo y serán visibles para el cliente — no añadidos después.

No lo sabemos, y no vamos a decir otra cosa. No hemos demostrado que una lectura más alta prediga tráfico de referencia, pipeline ni ingresos controlando por el tamaño de la marca. Mejorar la puntuación predice de forma fiable una sola cosa: una mejora posterior de la puntuación.

No habría que hacerlo, y nosotros no la describimos así. Es una herramienta de seguimiento orientativa para un panel configurado. Esa limitación va impresa al mismo tamaño que el número, en el informe y en esta página.

Cualquiera de estas cosas, y lo diríamos en público: una variación medida entre ejecuciones lo bastante grande como para que los movimientos ordinarios no se distingan del ruido; una tasa de concordancia test-retest por debajo de lo que aceptaríamos de un proveedor nuestro; una comparación entre proveedores que muestre que nuestras lecturas discrepan de forma relevante con las de otros dos y que no podamos demostrar que la nuestra se acerca más a lo que ve un usuario; o un primer estudio de resultados que no encuentre relación con nada que le importe a un cliente. Si nada de eso nos haría cambiar de opinión, es que el método no se ha puesto a prueba.